EP89 SoundHound 推出 Vision AI，為語音 AI 加入視覺能力

【SoundHound Vision AI 登場：讓語音 AI 真的「看」得見】 SoundHound 在 2025 年 8 月推出 Vision AI，首次把「視覺理解」整合進自家的語音對話平台。 它不只會聽你說話，還能看現場畫面，立即理解環境並回應。 🔍 它能做什麼？ 🚗 Drive-thru 智慧互動：車牌辨識＋語音對話，點餐更快 🛠 機台維修助理：直接拍故障螢幕問問題，AI 秒給答案 🏪 零售庫存檢查：拍貨架問「缺哪一款？」立刻指出缺貨 🛣 車內路況辨識：看道路標誌，回覆出口號碼與方向 💡 為什麼重要？ * 讓 AI 更貼近人類的感官交流 * 減少手動輸入、掃描動作 * 現場效率提升，人力需求下降 * 多裝置部署：手機、汽車、機台全支援 ⚠ 我作為 ESG 與 AI 顧問的觀察 * 📌 隱私與倫理：需要透明的數據蒐集與保存機制 * 📌 偏見與誤判：必須有測試與監控，避免錯誤服務 * 📌 可及性：能幫助行動不便者與弱勢族群，提高包容性 這不只是技術展示，而是已準備好落地的商業方案。 視覺＋語音，正開啟多模態感知 AI 的新時代。 留言告訴我你對這一集的想法： https://open.firstory.me/user/cmabwdmf4033j01w17p8r9h1g/comments ●圖靈學院原文:https://pse.is/8jcbza ********** 利創智能/圖靈學院是您 AI及 ESG的專業伙伴。 NotebookLM在今(2025)年5月，已擴大支援包含中文在內的 50 多種語言的語音摘要功能，而且根據地區，給了我們台灣腔的自然對話分析語音，相當有趣。 雖然在某些較專業的用辭(例如ISO90001的口語念法)、某些事件的時態，仍然，有些錯誤及不自然，但，整體而言，已經是相當強大的結果了。 因此，我們決定推出Podcast，利用NotebookLM語音摘要功能，將我們累積了200多篇的圖靈學院文章，都轉為語音形式，方便沒有時間看文章的朋友，可以用聽的，來了解我們的觀點。 除此之外，也因為Podcast內容，將都是使用LM生成的語音內容，隨著NotebookLM愈來愈成熟，語音品質也會愈來愈真實，因此，隨著時間推移，也會見證LM的進化過程，想必也會很有趣。 語音內容中，男聲將設定為科楠老師，女聲將設定為艾碧小姐，圖靈學院中的文章，將由他們兩位進行對談分析(雖然有時也會跳脫這樣的設定)，且每一集的Podcast的說明欄中，也會附上原始文章的連結，方便聽眾朋友若有不清楚的地方，可以前往查閱。 感謝大家的支持，陪著我們利創智能一起見證這個進化的過程。 ➡利創智能網站：https://ibco.com.tw/ ➡利創智能Facebook：https://www.facebook.com/profile.php?id=61559212178627 ➡利創智能Instagram：https://www.instagram.com/intellbenefit?utm_source=ig_web_button_share_sheet&igsh=ZDNlZDc0MzIxNw== ➡訂閱我們的電子報:https://lb.benchmarkemail.com//listbuilder/signupnew?IkfHTmyPVq9hwzdQ18VMzv5pwVnAjsSIhg396GxuKGXtO5iNRn8gSyp0RW5HI7%252FzNyIeD9VsXLU%253D 什麼問題想問科楠老師嗎？提問&合作信箱：[email protected] Powered by Firstory Hosting